Donne-lui ta voix de marque

Le problème : un ton générique

Le skill /post fonctionne, mais sa sortie sonne générique. Chaque plateforme reçoit le même ton : les posts Twitter ressemblent à du LinkedIn, le LinkedIn paraît trop décontracté, et tout cela pourrait avoir été écrit par n'importe quelle marque de n'importe quel secteur. Pour Léa, c'est rédhibitoire : sa marque a une voix — chaleureuse, engagée, jamais donneuse de leçons — et ses clientes la reconnaissent. Un contenu qui ne sonne pas « Léa » est pire qu'inutile : il dilue la marque.

Ce problème n'est pas un bug, c'est une propriété des modèles de langage. Un LLM est entraîné sur l'ensemble du texte disponible : sans instruction contraire, il produit la moyenne statistique de ce qu'il a vu — un ton passe-partout, des formules consensuelles, une structure prévisible. La voix par défaut d'une IA, c'est la voix de personne.

Pourquoi l'IA écrit « comme l'IA »

Tu as sûrement déjà repéré ces tics : les tirets longs en cascade, les formules en trois temps (« pas seulement X, mais Y et même Z »), les mots gonflés comme « révolutionnaire », « plonger dans », « débloquer le potentiel », les conclusions qui résument ce qui vient d'être dit. Ces marqueurs viennent du fait que le modèle optimise un texte « bien formé » au sens scolaire — équilibré, exhaustif, poli — alors qu'un bon post social est tout l'inverse : tranché, incomplet, avec une vraie personnalité.

La conséquence pratique : on ne corrige pas un ton générique en demandant « écris de façon plus humaine » (instruction vague, résultat vague). On le corrige avec deux leviers concrets : des règles négatives explicites (la liste de ce qu'on bannit) et des échantillons réels (le modèle est excellent pour imiter un style qu'on lui montre — bien meilleur que pour deviner un style qu'on lui décrit).

Chaque plateforme a sa grammaire

Au-delà de la voix de la marque, chaque réseau a ses codes — et les mélanger est le signe le plus visible d'un contenu automatisé sans soin :

Ton skill doit donc encoder deux couches : la voix de la marque (constante partout) et la grammaire de chaque plateforme (variable). C'est exactement ce que fait le prompt suivant.

Le prompt « humanize »

ajoute mes échantillons de voix de marque et mon style au skill /post :

# STYLE (toutes plateformes) :
- langage clair et simple, phrases courtes et percutantes
- voix active, pas passive
- insights pratiques et actionnables
- adresse directe : « tu » et « ton »
- ÉVITE les tirets longs, métaphores, clichés, généralisations
- ÉVITE les mots fourre-tout (révolutionnaire, disruptif, puissant, plonger, débloquer…)

# ÉCHANTILLONS PAR PLATEFORME :
Twitter : <COLLER 3 EXEMPLES>
LinkedIn : <COLLER 3 EXEMPLES>
Instagram : <COLLER 3 EXEMPLES>

Colle de vrais posts que tu as écrits — tes meilleurs, ceux qui ont bien marché ou dont tu es fière. Plus tu donnes d'exemples, mieux Claude calque ton ton : trois par plateforme est un bon début, cinq ou six est encore mieux. Les règles de style en tête éliminent les marqueurs qui trahissent un texte d'IA ; les échantillons fournissent le positif que les règles seules ne donnent pas.

Conseil d'organisation : plutôt que de tout entasser dans le SKILL.md, demande à Claude de créer un fichier dédié brand-voice.md que le skill référence. Avantages : tu peux mettre à jour la voix sans toucher au skill, le même fichier servira à d'autres skills (le /plan-week du chapitre 7), et un fichier de référence chargé à la demande garde le skill léger.

Pas encore d'exemples ?

Si tu n'as pas de samples — marque toute neuve, reconversion, nouveau réseau — demande à Claude d'aller en chercher : « va trouver 10 exemples d'écriture de [auteur que tu admires] sur LinkedIn ». Il les utilisera comme référence de voix. Choisis quelqu'un dont le ton correspond vraiment à ce que tu vises, pas juste quelqu'un de connu : tu hérites de ses tics autant que de ses qualités.

Considère ça comme un échafaudage temporaire. Dès que tu publies et que certains posts performent, remplace les exemples empruntés par tes vrais posts. Au fil des semaines, ta bibliothèque d'échantillons devient ton actif le plus précieux : la définition opérationnelle de ta marque.

Itérer méthodiquement, pas au hasard

La première version ne sera pas parfaite — c'est normal et c'est prévu. Ce qui compte, c'est d'itérer avec méthode. Génère le même sujet sur deux plateformes, lis les sorties à voix haute (le test le plus fiable pour détecter le « ton IA »), et identifie précisément ce qui cloche : un mot, une tournure, une longueur. Puis corrige la règle, pas le post : « ajoute le mot sublimer à la liste des mots bannis », « les posts Twitter dépassent 200 caractères, resserre la consigne ».

flowchart LR
  G["Générer un post test"] --> L["Lire à voix haute"]
  L --> D{"Quelque chose cloche ?"}
  D -->|"Oui : identifier le tic précis"| R["Corriger la règle dans le skill"]
  R --> G
  D -->|"Non"| V["Voix validée"]

La grande leçon : un skill évolue

Prends du recul sur ce qu'on vient de faire : on n'a pas remplacé le skill — on l'a augmenté avec du contexte. C'est essentiel : tes skills ne doivent jamais être figés. Comme une compétence humaine, on les améliore en continu : ce qui marche, les cas limites rencontrés, tes préférences qui se précisent. Chaque amélioration profite à toutes les utilisations futures — c'est un investissement à intérêts composés.

Concrètement, prends l'habitude de la phrase « mets à jour le skill pour que… » chaque fois qu'une sortie te déçoit. Corriger la sortie répare une fois ; corriger le skill répare pour toujours. Cette habitude — améliorer l'outil plutôt que le livrable — est le fil rouge de tout le cours, et tu la retrouveras au chapitre 7 comme pattern central.